【技术实现步骤摘要】
本专利技术属于视频图像处理，特别是涉及到一种基于深度学习的视频图像处理方法及装置。
技术介绍
1、当前已经有越来越多的社区、学校等区域安装并使用视频监控系统，安装视频监控系统的一个主要的目的就是为了安全，但是目前的视频监控系统并不能做到实时响应，即使安排值班人员负责查看视频，值班人员也不可能无时无刻的进行观察。所以视频监控系统更多的作用是提供录像。但是对于危害安全的一些特殊情况，例如有人破门、撬锁、翻墙等等，等到事后再查找录像就已经晚了，所以必须要求能够实时发现异常场景，从而才能快速响应，这就对视频监控系统的智能化提出了需求。
2、现有技术中存在对图像进行分析识别的智能算法，然而并不适用于视频监控系统。视频每秒24帧图像，视频监控系统会产生大量的帧图像数据，直接使用现有的图像分析识别模型，会由于帧图像数据的过多，在分析识别的时候占用大量资源却未必能得到准确的分析结果。
技术实现思路
1、本专利技术提出一种基于深度学习的视频图像处理方法及装置，可以在节省人力以及系统资源的情况下智...
【技术保护点】
1.一种基于深度学习的视频图像处理方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤S2或S4中，计算信息熵的方法包括：
3.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤S2中，深度目标帧选择模型的训练过程包括：
4.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤S3具体包括：
5.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤S4所述异常识别模型的训练包括：
6.一种基于深度学习的视频图像处理...
【技术特征摘要】
1.一种基于深度学习的视频图像处理方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤s2或s4中，计算信息熵的方法包括：
3.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤s2中，深度目标帧选择模型的训练过程包括：
4.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤s3具体包括：
5.根据权利要求1所述的基于深度学习的视频图像处理方法，其特征在于，步骤s4所述异常识别模型的训练包括：
【专利技术属性】
技术研发人员：吴升刚，马蕾，张燕宁，李景玉，朱孔涛，赵妍，
申请(专利权)人：北京电子科技职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。